近年来云南省PM2.5浓度变化趋势与潜在区域来源分析.pdf

刘芮男,寇星霞,高怡,等.2023.近年来云南省 PM2.5 浓度变化趋势与潜在区域来源分析 J.气候与环境研究,28(5):509517.LIURuinan,KOUXingxia,GAOYi,etal.2023.AnalysisoftheChangeTrendandPotentialSourcesofPM2.5ConcentrationsinYunnanProvinceinRecentYearsJ.ClimaticandEnvironmentalResearch(inChinese),28(5):509517.doi:10.3878/j.issn.1006-9585.2023.22054近年来云南省 PM2.5 浓度变化趋势与潜在区域来源分析刘芮男1,2,3寇星霞4高怡2赵靖川1张美根2,51云南大学地球科学学院，昆明6505042中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室，北京1000293浙江省乐清市气象局，浙江乐清3256004北京城市气象研究院，北京1000895中国科学院大学，北京100049摘要云南省地处低纬高原地区，毗邻东南亚，空气污染物质除受本地排放外也受东南亚地区跨境输送的影响。本文收集整理了 20172021 年云南省 16 个州市 40 个国控站观测数据，分析云南省污染特征和变化趋势；并利用后向轨迹（HYSPLIT）聚类分析和浓度权重轨迹（CWT）方法分析了 PM2.5 的主要区域来源。结果表明，云南省 PM2.5 年均浓度呈下降趋势，下降率为 0.910.23gm3a1。在季节变化上，春季浓度最高，全省平均为31.929.08gm3，夏季浓度最低，为 13.502.69gm3。春季东南亚地区生物质燃烧导致云南省 PM2.5 的污染最严重，最大贡献值超过 40gm3，此外广西西南部也是云南省春季高潜在源区之一。在日变化上，PM2.5浓度呈现“双峰型”特征，最大值出现在 09:00（北京时间，下同）至 12:00 和 21:00 至 01:00，主要是人为活动与较低的边界层高度和风速等气象因素共同作用的结果。研究显示，云南省春季 PM2.5 浓度多源于跨境输送，这将为云南省空气污染物治理提供新的启示。关键词云南省PM2.5跨境输送潜在源区文章编号1006-9585(2023)05-0509-09中图分类号P401文献标识码Adoi:10.3878/j.issn.1006-9585.2023.22054Analysis of the Change Trend and Potential Sources of PM2.5 Concentrations inYunnan Province in Recent YearsLIURuinan1,2,3,KOUXingxia4,GAOYi2,ZHAOJingchuan1,andZHANGMeigen2,51School of Earth Sciences,Yunnan University,Kunming 6505042State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry,Institute of AtmosphericPhysics,Chinese Academy of Sciences,Beijing 1000293Yueqing Meteorological Office,Yueqing,Zhejiang Province 3256004Institute of Urban Meteorology,China Meteorological Administration,Beijing 1000895University of Chinese Academy of Sciences,Beijing 100049AbstractYunnanProvinceislocatedinalow-latitudeplateauareaadjacenttoSoutheastAsia.Thelocalemissionsand收稿日期2022-04-13；网络预出版日期2022-10-25作者简介刘芮男，女，1996 年出生，硕士研究生，主要从事大气环境方面的研究。E-mail:通讯作者张美根，E-mail:资助项目国家自然科学基金项目 41830109、42077203Funded byNationalNaturalScienceFoundationofChina(Grants41830109and42077203)第28卷第5期气候与环境研究Vol.28No.52023年9月ClimaticandEnvironmentalResearchSept.2023airqualityofthisprovinceareaffectedbycross-bordertransportationfromSoutheastAsia.ThisstudyanalyzestheobservationalPM2.5concentrationdatafrom2017to2021at40sitesin16citiesofYunnanProvincetounderstandthecharacteristicsandtrendsofPM2.5pollution.ClusteranalysiswiththeHYSPLIT(HybridSingle-ParticleLagrangianIntegratedTrajectory)backwardtrajectorymodelandconcentrationweightedtrajectoryareusedtoanalyzepotentialPM2.5sources.TheresultsshowthattheannualmeanPM2.5concentrationinYunnanProvincedecreasesby0.910.23gm3a1.PM2.5concentrationvariesseasonally,anditsconcentrationreachesthehighestvalueinspringwith31.929.08gm3andlowestinsummerwith13.502.69gm3.ThePM2.5pollutionissevereinspringduetobiomassburninginSoutheastAsia,whichcontributesto40gm3ofPM2.5concentration.Thehigh-potentialsourceareasinspringincludethesouthwestofGuangxi.ThediurnalPM2.5variationsrevealabimodalpatternwiththevaluepeakingbetween0900LST1200LSTand2100LST0100LST,whichismainlyattributedtohumanactivitiesandmeteorologicalfactors,suchasthelowerboundarylayerheightandwindspeed.Inconclusion,PM2.5duringspringinYunnanProvincemostlycomesfromcross-bordertransportation.Thus,thisstudyprovidesnewinsightforairpollutantcontrolintheprovince.KeywordsPM2.5,YunnanProvince,Transboundarytransport,Potentialsource 1 引言大量研究表明，“十三五”规划和大气污染防治行动计划等政策实施以来中国颗粒物和污染物排放已显著下降，空气质量得到改善（Zhangetal.,2016;Zhouetal.,2022），这些研究重点区域集中在人口密集和经济发展快速的关键地区，例如京津冀、长三角和珠三角等（Shenetal.,2020;张俊峰等,2020;Lietal.,2021;张懿华,2023）。随着国内人为排放得到控制，境外空气污染物跨境输送及其对国内的影响值得关注。Jiangetal.（2017）研究表明印度和东南亚地区人为排放显著增加，2015 年人为一氧化碳（CO）排放量已经达到130.40Tg，相比 2001 年增长 34%，生成的污染物在大气环流的作用下，可以影响顺风区域，对空气质量、人类健康和气候系统等方面产生不利影响（Huangetal.,2016;王叶和廖宏,2022）。大量研究表明，印度和东南亚地区的空气污染物可以跨境输送影响中国，因此需要重点关注（Kondoetal.,2004;Dengetal.,2008;Liangetal.,2019）。Zhangetal.（2003）研究指出东南亚地区生物质燃烧可贡献东亚和西太平洋超过 50%的 CO 浓度和高达40%的臭氧（O3）浓度。通过轨迹聚类分析、潜在源贡献分析也得出中国碳质气溶胶的主要潜在来源之一为亚洲印度缅甸地区的区域性开放式生物质燃烧（Zhangetal.,2010）。与此同时，Linetal.（2010）确定了青藏高原以南和中南半岛上空20N 以北存在强西风带使得春季生物质燃烧产物会跨境输送到台湾和香港的高空（Zhengetal.,2004;Chan,2017）。此外东南亚生物质燃烧产物输送的机制还包括深对流（Liuetal.,2003）、青藏高原东翼背风槽机制和中南半岛特殊地形（Linetal.,2009）等。云南省作为中国西南边境省份，重工业较少，本地排放的空气污染物质有限，但也存在一定的污染事件发生，并且随着近年来国家相关减排政策的稳步推进，关于云南省空气质量研究还不充分（Chengetal.,2019）。云南省年均 PM2.5 浓度从2000 年到 2013 年呈连续稳定阶段，2013 年迅速增长，从 2014 年开始连续下降至 2018 年（Yangetal.,2020）。邓鑫等（2021）分析得出 2019 年云南省O3作为超标污染物占比达 57.52%，O3年均值相对较高区域面积显著增加，这表明云南省的污染类型已经转为 PM2.5 和 O3为首要污染物的复合型污染（王华,2018）。此外关于云南省污染物质来源，研究指出东南亚燃烧产物可直接向北输送至中国西南省份（Lietal.,2017），直接影响接壤地区云南省的气溶胶光学厚度（Zhuetal.,2016,2017）和空气质量（Yinetal.,2021;Xingetal.,2021）。然而，大多数研究局限于短期和个别城市，因此本文选取20172021 年云南省 16 个州市 40 个国控站的空气污染物质数据，利用后向轨迹聚类分析和浓度权重轨迹方法，研究云南省长时间污染物时空分布特征和潜在区域来源，探讨东南亚污染物质跨境输送的影响，为云南省大气污染防治管理提供科学依据。2 研究数据和方法本文收集整理云南省 16 个州市 40 个环境空气质量国控监测站点（图 1）逐小时 PM2.5 浓度数据，气候与环境研究28卷510ClimaticandEnvironmentalResearchVol.28选取时段为 2017 年 1 月 1 日至 2021 年 12 月 31 日。该监测数据由国家环境监测中心发布。文中各州市 PM2.5 浓度，在剔除错误数据后，通过计算所在州市内所有监测点数据的平均值得出。为分析大气污染物日、季节和年浓度的变化情况及空间变化特征，分别选取小时均值、月均值和年均值作为评价指标。采用后向轨迹聚类分析（HybridSingle-ParticleLagrangianIntegratedTrajectory，HYSPLIT）方法对云南省不同季节 PM2.5 的输送路径进行解析。HYSPLIT 模型是用于计算和分析大气污染物传输和扩散轨迹的综合性专业模型，由美国国家海洋大气中心（NOAA）和澳大利亚气象局联合研发（DraxlerandHess,1998）。聚类分析是一种多元统计方法，该方法通过比较气流轨迹水平速度和移动方向对大量的轨迹进行分组，有效追溯轨迹的来向。输入到模型中的气象资料为美国国家环境预报中心（NCEP）的全球资料同化系统（GDAS-1）数据（ftp.arlhq.noaa.gov/pub/archives/gdas12021-06-01），水平分辨率为 1（纬度）1（经度），时间分辨率为 6h（00:00、06:00、12:00 和 18:00，北京时间，下同），垂直方向为23 层（1000hPa 至20hPa）。HYSPLIT 模拟的云南省 40 个国控站（图 1）的气流后向轨迹，起始高度 500m，轨迹时间为 120h，足够分析附近国家空气污染物远距离跨境输送的影响（Yinetal.,2021），选取“十三五”规划收官年份 2020 年为模拟时段，具体为 2020 年 1 月 1 日至 12 月 31 日。轨迹按照时间依次划分为春季（35 月）、夏季（68 月）、秋季（911 月）和冬季（1、2 和 12 月），采用欧式距离算法对各季节轨迹进行聚类分析，计算每类轨迹所占比率。在此基础上结合 40 个国控站 2020 年 PM2.5数据进行浓度权重轨迹分析（ConcentrationWeightedTrajectory，CWT），以定量判断云南全省 PM2.5潜在来源区域。该方法通过计算气流轨迹中每个网格单元（经纬度分辨率为 0.50.5）的污染物质平均权重浓度，有效的确定监测点空气污染物的潜在来源（Hsuetal.,2003）。公式如下：Cij=1Mi=1ijlMi=1Clijl，（1）CijlMlijllNijNave其中，是第 ij 个网格中的平均加权浓度，是轨迹的指数，是总轨迹数，Cl是到达轨迹 时观察到的浓度，是轨迹 在第 ij 个网格停留的时间。用代表落入第 ij 个网格中的端点数量，代表图1云南省 16 个州市 40 个国控站的地理位置Fig.1Geographiclocationsofthe40observationsitesin16citiesofYunnanProvince5期刘芮男等：近年来云南省 PM2.5 浓度变化趋势与潜在区域来源分析No.5LIURuinanetal.AnalysisoftheChangeTrendandPotentialSourcesofPM2.5Concentrationsin.511NijNijWij所有网格的平均数。为减少值较小的影响（Wangetal.,2006;Yinetal.,2021），采用加权函数得到平均加权浓度权重值 WCWT（W）：W=WijCij，（2）Wij=1.00,3NaveNij0.70,1.5NaveNij 3Nave0.42,NaveNij 1.5Nave0.05,Nij Nave.（3）3 结果 3.1 云南省 PM2.5 浓度变化趋势及时空分布特征图 2 是 20172021 年云南省 16 个州市 PM2.5质量浓度年、季节和日变化特征。由图 2a 可见云南省 PM2.5 年均浓度的 5 年平均值为 22.184.40gm3，16 个州市中 PM2.5 的 5 年浓度均值在迪庆最低（12.371.55gm3），在临沧最高（27.332.13gm3）。滇西北高海拔地区是 PM2.5 浓度的低值区域，年均质量浓度未超过国家一级水平（15gm3）。滇西南、滇南和昆明市是高值区域，其中滇西南和滇南地区临近东南亚，大气污染物浓度受到跨境输送的影响更加明显；而昆明市位于滇中，是省内经济最发达的城市，本地污染物的排放量较大。表 1 总结了 20172021 年 5 年观测期间 PM2.5年均质量浓度的变化情况。与 2017 年对比，2021年云南省 PM2.5 年均浓度增加的州市为怒江、临沧和迪庆，其中怒江增加的浓度最大为 4.15gm3，3 个州市均位于滇西部，临近缅甸。省内其余地区PM2.5 浓度均降低，普洱下降最大，为 8.11gm3。表 2 为云南省各州市 PM2.5 年均质量浓度的变化趋势情况，全省呈上升趋势的州市同样仅为怒江、临沧和迪庆，上升速率分别为 0.56gm3a1、0.34gm3a1和 0.98gm3a1（均通过 0.05 显著度水平检验）。其余地区均呈下降趋势，下降速率最大的州市位于德宏，为 2.74gm3a1（通过0.05 显著度水平检验）。云南省年均 PM2.5 浓度从 24.235.79gm3（2017 年）下降到 20.334.59gm3（2020 年），随后上升到 21.143.98gm3（2021 年），整体上呈现下降的趋势，下降率为 0.910.23gm3a1（通过 0.05 显著度水平检验），这表明污染防治政策的实施有效的改善了当地的环境质量。图 2b 显示，在季节变化上，20172021 年全省 3 个州市 PM2.5 浓度最大值出现在冬季（丽江表 1 20172021 年云南省 16 个州市 PM2.5 年均质量浓度变化值Table 1 Change of concentration of PM2.5 in 16 cities ofYunnan Province during 20172021州市PM2.5年均质量浓度变化值/gm3怒江州4.15红河州7.32昭通市7.29普洱市8.11临沧市2.66迪庆州4.07楚雄州2.85玉溪市0.22丽江市2.80德宏州5.49西双版纳州4.47曲靖市7.89保山市1.61大理州7.03文山州0.75昆明市4.57表 2 20172021 年云南省 16 个州市 PM2.5 年均质量浓度变化趋势Table 2 Change trends of PM2.5 in 16 cities of YunnanProvince during 20172021州市PM2.5年均质量浓度变化趋势/gm3a1怒江州0.56*红河州1.34*昭通市1.63普洱市1.31临沧市0.34*迪庆州0.98*楚雄州1.20玉溪市0.20丽江市1.01*德宏州2.74*西双版纳州0.54*曲靖市2.41保山市0.64大理州1.46文山州0.46*昆明市1.45*、*和*分别表示通过了0.001、0.01和0.05显著度水平检验。气候与环境研究28卷512ClimaticandEnvironmentalResearchVol.28和昭通：1 月；迪庆：12 月），且均位于滇北部，冬季较为寒冷，取暖等人为排放的增加可能加重该区的污染；其余 13 个州市峰值均发生在春季，以3 月为主（德宏：4 月；怒江、临沧、保山、红河、大理、楚雄、西双版纳、文山、普洱、玉溪、曲靖和昆明：3 月）。全省 PM2.5 月均浓度最大值出现在 3 月的西双版纳州，超过 65gm3。区别于全国其他省份的 U 型变化（Zhangetal.,2016），云南省大部州市的 PM2.5 浓度峰值出现在春季，主要原因为春季是东南亚生物质燃烧的集中期，在盛行西南风和西风的作用下污染物可远距离输送至云南省（图 1）。在日变化（图 2c）上，16 个州市 PM2.5 小时浓度呈现“双峰”特征，最大值出现在 09:00 至12:00 和 21:00 至 01:00，最小值出现在 05:00 至07:00 和 15:00 至 17:00。PM2.5 小时浓度最大值为36.69gm3（临沧：22:00）。结果显示，PM2.5小时浓度峰值一般出现在早晚交通高峰期后，机动车排放的污染物会累积转化为 PM2.5，从而影响当地的空气质量。全省平均夜间 PM2.5 浓度值高于白天，表明除排放增加等人为因素外，夜间的边界层高度和风速降低（附图 2）同样也可导致 PM2.5累积（ChiandLin,2021）。3.2 PM2.5 的主要区域来源为进一步讨论云南省 PM2.5 的主要区域来源情况，基于后向轨迹聚类分析研究全省气流的输送路径，以 2020 年为例，对全省后向轨迹分季节进行聚类分析，得到各轨迹所占比例，如图 3 所示。可以看到，春季，气流轨迹主要来自西向和西南向，因此来自缅甸的气流轨迹占比最大，为 66.74%；来自南亚（印度、尼泊尔和巴基斯坦）的长距离气流轨迹也占比 15.36%，且具有较快的传输速度。此外省内气流轨迹占比为 17.90%，传输距离短，速度较慢，易在省内堆积，不利于污染物传输。夏季，受到夏季风的影响，云南省盛行西南风和东南风，省内气流多来自东南亚和孟加拉湾地区，部分流经中国大陆。聚类分析的结果表明源自缅甸的气流轨迹共占比 47.58%，源自泰国的轨迹占比为 33.06%。在秋季，聚类分析表明大多数气流来自中国西南部和南部的临近省份，其中从重庆经贵州到达云南的占比为 23.40%、广西的贡献可达34.02%，但仍有部分源自远距离的东南亚和印度，其中来自缅甸的气流在西南风的作用下占比可达42.58%。冬季，气流的来向与春季相似，西向的气流相对夏秋两季增多，聚类分析表明来自缅甸的气流轨迹占比高达 69.91%，西南方向的轨迹 1 起源于滇西南，占比仅为 5.23%；轨迹 2 起源于越南与云南边界，占比为 24.85%，二者的传播距离相对较短，传播的速度较慢。以上轨迹聚类分析结果表明到达云南省 16 个州市的气流多来自于南亚和东南亚地区，尤其是缅甸。与 2018 年和 2019 年后向轨迹聚类分析结果进行对比（附图 3、4），可见无论是气流来向和轨迹覆盖都较为一致，表明气流路径没有明显的年际变化，与 Yinetal.（2021）研究相符。为进一步定量的研究 PM2.5 的区域来源，对 2020 年份的 CO和 PM2.5 进行浓度权重轨迹（CWT）分析。此外由于 PM2.5 的成分相对复杂，本文选择具有单一成分的 CO 进行对比，分析潜在源区的差异。CO作为示踪物质，常用于研究生物质燃烧产物的输送路径（Chan,2017）。图 4 为 2020 年云南省 16 个州市 CO 和 PM2.5 的浓度 CWT 及季节分布特征。如图 4 显示，对 2020 年全年而言，CO 的高潜在源区位于缅甸西北部和临近省份（四川、重庆和贵州），浓度贡献可达 0.8mgm3；而 PM2.5 的高潜在源区主要集中于缅甸北部和印度东北部，对全省浓度贡献超过 30gm3，临近省份的贡献相对较小，小于 24gm3。PM2.5 和 CO 具有相同的高潜在源区，位于缅甸西北部，说明二者具有一定的同源性。但 PM2.5 的高潜在源区更集中，范围更广。省内本地排放对 PM2.5 和 CO 的影响有限，表明区域输送对云南省污染物的影响需要重点关注。由于污染物质排放存在季节差异，因此本文分析了 2020 年各季节的 PM2.5 潜在源区。3.1 节分析显示云南省 PM2.5 的月平均质量浓度峰值多出现在春季，结合潜在源区的分析结果可知，在春季，PM2.5 高浓度值与来自印度东部、缅甸西部、老挝及越南的气流有关，为高潜在源区，WCWT（W）贡献值最高可达 40gm3，而来自中国内陆的影响相对较小，这表明春季南亚和东南亚的生物质燃烧可显著影响云南省的空气质量。夏季与春季有很明显的不同，WCWT 值总体偏小，均小于11gm3，东南亚的潜在贡献与省内的本地排放和周边省份的输送相当。秋季来自中国的轨迹显著增加，在东北气流作用下，重庆和贵州局部为 PM2.5 高潜在源区，省内北部和缅甸局部的排放也是影响因素之一。虽5期刘芮男等：近年来云南省 PM2.5 浓度变化趋势与潜在区域来源分析No.5LIURuinanetal.AnalysisoftheChangeTrendandPotentialSourcesofPM2.5Concentrationsin.513图220172021 年云南省 16 个州市（a）年平均、（b）月平均和（c）日平均 PM2.5 质量浓度变化特征Fig.2Characteristicsof(a)yearly,(b)monthly,and(c)diurnalvariationofPM2.5massconcentrationin16citiesofYunnanProvinceduring20172021图32020 年云南省 16 个州市后向轨迹及聚类季节分布（不同颜色的线代表轨迹聚类簇）：（a）春季；（b）夏季；（c）秋季；（d）冬季Fig.3Backwardtrajectoriesandclustersresultsin16citiesofYunnanProvincein2020(thecoloredlinesrepresenttrajectoryclusters):(a)Spring;(b)summer;(c)autumn;(d)winter气候与环境研究28卷514ClimaticandEnvironmentalResearchVol.28然冬季气流多流经东南亚地区，但 PM2.5 的高潜在源区主要为东北方向的成渝和贵州等地，主要原因为冬季上述地区存在采暖等需求导致人为排放物质增多，从而影响云南省冬季的 PM2.5 浓度值。总体来看，云南省 16 个州市的 PM2.5 主要受东南亚和邻近省份区域输送的影响，本地空气污染物排放的贡献有限，特别在全年浓度最高的春季，东南亚大气污染物的跨境输送对云南省 PM2.5 浓度有显著影响。4 结论与讨论（1）20172021 年云南省 PM2.5 浓度最高的区域为滇西南部、滇南部和昆明市，滇西北地区浓度最低。浓度高值所在区域临近东南亚国家或者经济较为发达的州市，低值区域集中于省内高海拔地区。全省颗粒物污染相对较轻，16 个州市年均浓度均未超过国家空气质量二级标准值。在年际变化特征上（20172021 年），全省 PM2.5 年均浓度呈下降趋势，下降率为 0.910.23gm3a1；16个州市中有 3 个州市的 PM2.5 年均浓度增加，多位于滇缅边界地带。（2）在季节变化上，各州市 PM2.5 浓度峰值多出现在春季，主要因为南亚和东南亚的越境输送。日变化为“双峰型”分布特征，最大值出现在09:00 至 12:00 和 21:00 至 01:00，主要是人为活动与较低的边界层高度和风速等气象因素共同作用的结果。（3）云南省内的气流在春、夏和冬 3 个季节主要来自于东南亚地区（60%），尤其是缅甸；在秋季主要来自于东北向的临近省份（57.42%）。在气流的作用下，云南省全年 PM2.5 浓度的高潜图42020 年云南省 16 个州市（a）CO 和（b）PM2.5 的浓度权重轨迹值（WCWT）分布及（c）春季、（d）夏季、（e）秋季、（f）冬季PM2.5 的浓度权重轨迹分布特征Fig.4 The value of concentration weighted trajectory(WCWT)of(a)CO and(b)PM2.5 and seasonal distribution of PM2.5 in(c)spring,(d)summer,(e)autumn,(f)winterin16citiesofYunnanProvincein20205期刘芮男等：近年来云南省 PM2.5 浓度变化趋势与潜在区域来源分析No.5LIURuinanetal.AnalysisoftheChangeTrendandPotentialSourcesofPM2.5Concentrationsin.515在源区为缅甸北部和印度东北部。春季是污染最严重的季节，PM2.5 主要受西南路径的生物质燃烧源传输的影响；夏季周边国家和省份对于 PM2.5 的影响与本地排放相当；秋季云南省北部本地排放增加；冬季主要受东北向成渝和贵州地区取暖等人为活动的影响。本文虽利用 CWT 方法初步阐明了云南省 PM2.5的高潜在区域来源为东南亚地区，但该方法基于后向轨迹模型，只考虑了污染物质的扩散和输送等物理过程，未考虑污染物复杂的化学反应过程，因此后续工作拟结合数值模式对云南省 PM2.5 进行源解析，进一步得出不同季节内 PM2.5 及各组分和相应前体物的定量区域输送特征，旨在验证并说明东南亚对低纬高原地区的空气污染物质的输送贡献。参考文献（References）ChanKL.2017.BiomassburningsourcesandtheircontributionstothelocalairqualityinHongKongJ.ScienceoftheTotalEnvironment,596597:212221.doi:10.1016/j.scitotenv.2017.04.091ChengLJ,JiDS,HeJ,etal.2019.CharacteristicsofairpollutantsandgreenhousegasesataregionalbackgroundstationinsouthwesternChina J.Aerosol and Air Quality Research,19(5):10071023.doi:10.4209/aaqr.2018.11.0397ChiWJ,LinYC.2021.InvestigationofthemainPM2.5sourcesanddiffusion patterns and corresponding meteorological conditions bythewaveletanalysisapproachJ.AtmosphericPollutionResearch,12(11):101222.doi:10.1016/J.APR.2021.101222邓鑫,于站良,赵桂英,等.2021.20152019 年云南省城市空气质量特征及影响因素研究J.四川环境,40(4):8995.DengXin,YuZhanliang,ZhaoGuiying,etal.2021.Characteristicsandinfluencingfactorsofurbanairqualityfrom2015to2019inYunnanJ.SichuanEnvironment(in Chinese),40(4):8995.doi:10.14034/ki.schj.2021.04.012DengXJ,TieXX,ZhouXJ,etal.2008.EffectsofSoutheastAsiabiomassburningonaerosolsandozoneconcentrationsoverthePearlRiverDelta(PRD)regionJ.Atmos.Environ.,42(36):84938501.doi:10.1016/j.atmosenv.2008.08.013Draxler R R,Hess G D.1998.An overview of the HYSPLIT_ 4modelling system for trajectories J.Aust.Meteor.Mag.,47(4):295308.Hsu Y K,Holsen T M,Hopke P K.2003.Comparison of hybridreceptor models to locate PCB sources in Chicago J.Atmos.Environ.,37(4):545562.doi:10.1016/S1352-2310(02)00886-5HuangWR,WangSH,YenMC,etal.2016.Interannualvariationofspringtime biomass burning in Indochina:Regional differences,associatedatmosphericdynamicalchanges,anddownwindimpactsJ.J.Geophys.Res.:Atmos.,121(17):1001610028.doi:10.1002/2016JD025286JiangZ,WordenJR,WordenH,etal.2017.A15-yearrecordofCOemissionsconstrainedbyMOPITTCOobservationsJ.AtmosphericChemistryandPhysics,17(7):45654583.doi:10.5194/acp-17-4565-2017Kondo Y,Morino Y,Takegawa N,et al.2004.Impacts of biomassburninginSoutheastAsiaonozoneandreactivenitrogenoverthewesternPacificinspringJ.J.Geophys.Res.:Atmos.,109(D15):D15S12.doi:10.1029/2003JD004203LiJ,ZhangYQ,WangZF,etal.2017.RegionalimpactofbiomassburninginSoutheastAsiaonatmosphericaerosolsduringthe2013sevenSouthEastAsianstudiesprojectJ.AerosolandAirQualityResearch,17(12):29242941.doi:10.4209/aaqr.2016.09.0422LiMM,WangTJ,ShuL,etal.2021.RisingsurfaceozoneinChinafrom2013to2017:Aresponsetotherecentatmosphericwarmingorpollutantcontrols?J.Atmos.Environ.,246:118130.doi:10.1016/j.atmosenv.2020.118130LiangYX,CheHZ,GuiK,etal.2019.ImpactofbiomassburninginSouthandSoutheastAsiaonbackgroundaerosolinSouthwestChinaJ.Aerosol and Air Quality Research,19(5):11881204.doi:10.4209/aaqr.2018.08.0324Lin C Y,Chang C C,Chan C Y,et al.2010.Characteristics ofspringtimeprofilesandsourcesofozoneinthelowtroposphereovernorthernTaiwanJ.Atmos.Environ.,44(2):182193.doi:10.1016/j.atmosenv.2009.10.020LinCY,HsuHM,LeeYH,etal.2009.AnewtransportmechanismofbiomassburningfromIndochinaasidentifiedbymodelingstudiesJ.AtmosphericChemistryandPhysics,9(20):79017911.doi:10.5194/acp-9-7901-2009LiuHY,JacobDJ,BeyI,etal.2003.TransportpathwaysforAsianpollution outflow over the Pacific:Interannual and seasonalvariations J.J.Geophys.Res.:Atmos.,108(D20):8786.doi:10.1029/2002JD003102ShenFZ,ZhangL,JiangL,etal.2020.Temporalvariationsofsixambient criteria air pollutants from 2015 to 2018,their spatial